論文の概要: Evaluation of Multilingual LLMs Personalized Text Generation Capabilities Targeting Groups and Social-Media Platforms

• arxiv url: http://arxiv.org/abs/2601.03752v1
• Date: Wed, 07 Jan 2026 09:43:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.175787
• Title: Evaluation of Multilingual LLMs Personalized Text Generation Capabilities Targeting Groups and Social-Media Platforms
• Title（参考訳）: 多言語LLMの個人化テキスト生成機能の評価 : グループとソーシャルメディアプラットフォームを対象として
• Authors: Dominik Macko,
• Abstract要約: 従来の研究では、パーソナライズが複数の言語でパーソナライズされた偽情報の生成に誤用されることが示されている。 本研究では、この現象を10言語で調べ、パーソナライズ能力の誤用だけでなく、それらが提供する潜在的な利益にも焦点をあてる。 以上の結果から, 人口集団を対象とする場合や, 言語間でのソーシャルメディアプラットフォームを対象とする場合, 生成したテキストのパーソナライズ品質に差があることが示唆された。
• 参考スコア（独自算出の注目度）: 3.562613318511706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Capabilities of large language models to generate multilingual coherent text have continuously enhanced in recent years, which opens concerns about their potential misuse. Previous research has shown that they can be misused for generation of personalized disinformation in multiple languages. It has also been observed that personalization negatively affects detectability of machine-generated texts; however, this has been studied in the English language only. In this work, we examine this phenomenon across 10 languages, while we focus not only on potential misuse of personalization capabilities, but also on potential benefits they offer. Overall, we cover 1080 combinations of various personalization aspects in the prompts, for which the texts are generated by 16 distinct language models (17,280 texts in total). Our results indicate that there are differences in personalization quality of the generated texts when targeting demographic groups and when targeting social-media platforms across languages. Personalization towards platforms affects detectability of the generated texts in a higher scale, especially in English, where the personalization quality is the highest.
• Abstract（参考訳）: 近年,多言語コヒーレントテキストを生成するための大規模言語モデルの能力は向上し続けており,その潜在的な誤用に対する懸念が顕在化している。 従来の研究では、複数の言語でパーソナライズされた偽情報を生成するために誤用されることが示されている。 また、パーソナライゼーションが機械生成テキストの検出可能性に悪影響を及ぼすことも観察されているが、これは英語のみで研究されている。 本研究では、この現象を10言語で調べ、パーソナライズ能力の誤用だけでなく、それらが提供する潜在的な利益にも焦点をあてる。 全体として、プロンプトにおける様々なパーソナライズ側面の1080の組合せをカバーし、16の異なる言語モデル(17,280のテキスト)でテキストを生成する。 以上の結果から, 人口集団を対象とする場合や, 言語間でのソーシャルメディアプラットフォームを対象とする場合, 生成したテキストのパーソナライズ品質に差があることが示唆された。 プラットフォームに対するパーソナライゼーションは、特にパーソナライズ品質が最も高い英語において、より大規模に生成されたテキストの検出可能性に影響を与える。

関連論文リスト

• The Shrinking Landscape of Linguistic Diversity in the Age of Large Language Models [7.811355338367627]
  大規模言語モデル (LLMs) は, 言語多様性の顕著な低下と関係があることが示唆された。 テキストの中核的な内容は、LLMがテキストを洗練・書き直しする際に保持されるが、書体スタイルを均質化するだけでなく、特定の支配的特徴やバイアスを選択的に増幅し、他を抑圧する方法でスタイル的要素を変更することも示している。
  論文  参考訳（メタデータ） (2025-02-16T20:51:07Z)
• MultiSocial: Multilingual Benchmark of Machine-Generated Text Detection of Social-Media Texts [0.6053347262128919]
  MultiSocial データセットには 472,097 のテキストが含まれており、そのうち約58k が人文で書かれている。 このベンチマークを用いて、ゼロショットの既存の検出手法と微調整形式を比較した。 以上の結果から,微調整された検出器はソーシャルメディア上でのトレーニングに問題はないことが示唆された。
  論文  参考訳（メタデータ） (2024-06-18T12:26:09Z)
• Personalized Text Generation with Fine-Grained Linguistic Control [9.668216418094316]
  複数の言語的次元にまたがる微粒な属性の制御に焦点をあてる。 生成モデルを訓練するための新しいベンチマークを導入し、パーソナライズされたテキストを生成する能力を評価する。
  論文  参考訳（メタデータ） (2024-02-07T14:41:08Z)
• Multilingual Text-to-Image Generation Magnifies Gender Stereotypes and Prompt Engineering May Not Help You [64.74707085021858]
  多言語モデルは、モノリンガルモデルと同様に、有意な性別バイアスに悩まされていることを示す。 多言語モデルにおけるジェンダーバイアスの研究を促進するための新しいベンチマークMAGBIGを提案する。 以上の結果から,モデルが強い性バイアスを示すだけでなく,言語によって異なる行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-01-29T12:02:28Z)
• When Large Language Models Meet Personalization: Perspectives of Challenges and Opportunities [60.5609416496429]
  大規模言語モデルの能力は劇的に改善されている。 このような大きな飛躍的なAI能力は、パーソナライゼーションの実施方法のパターンを変えるだろう。 大規模言語モデルを汎用インターフェースとして活用することにより、パーソナライズシステムはユーザ要求を計画にコンパイルすることができる。
  論文  参考訳（メタデータ） (2023-07-31T02:48:56Z)
• A New Generation of Perspective API: Efficient Multilingual Character-level Transformers [66.9176610388952]
  Google JigsawのAspective APIの次期バージョンの基礎を提示する。 このアプローチの中心は、単一の多言語トークンフリーなCharformerモデルである。 静的な語彙を強制することで、さまざまな設定で柔軟性が得られます。
  論文  参考訳（メタデータ） (2022-02-22T20:55:31Z)
• Few-Shot Cross-Lingual Stance Detection with Sentiment-Based Pre-Training [32.800766653254634]
  本研究は,現在までの言語間スタンス検出に関する最も包括的な研究である。 6つの言語ファミリーの12言語で15の多様なデータセットを使用します。 実験では,新しいラベルエンコーダの追加を提案し,パターン探索トレーニングを構築した。
  論文  参考訳（メタデータ） (2021-09-13T15:20:06Z)
• AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages with Adversarial Examples [51.048234591165155]
  本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。 言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。 その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T20:23:45Z)
• XCOPA: A Multilingual Dataset for Causal Commonsense Reasoning [68.57658225995966]
  XCOPA (Cross-lingual Choice of Plausible Alternatives) は11言語における因果コモンセンス推論のための多言語データセットである。 提案手法は,翻訳に基づく転送と比較して,現在の手法の性能が低下していることを明らかにする。
  論文  参考訳（メタデータ） (2020-05-01T12:22:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。